京公网安备 11010802034615号
经营许可证编号:京B2-20210330
我从17年毕业后,一直在字节跳动西安做审核。做了两年多的审核工作,我对这个工作失去了热情。字节的视频审核和文字审核并非完全使用机器,采取的是双重审核,先机器审核筛选后再做人工审核的方法。工作的时候,我们需要一直盯着电脑看着那一个个视频或者一段段文字,并且还要从其中找到违规问题,这是很费眼力的。而且关键是这个工作还特别要求时限性,领导方面一直在说“数据堆积了要压下来”,让人有时候很有压力;有时又会出现数据量不足的情况,自己只能加班干等数据。领导说是量高了就有绩效奖励,但其实根本不会让员工挣得多。而且这个工作是白班夜班轮流的,到了夜班,又是一宿的盯着电脑,眼睛都要盯花了。回到家人很困,想睡一觉,但天一亮,回家的路上会使人变得精神,到家了想睡还难以入睡,就算困意来临,窗外的噪音也一声接一声的影响着人入睡,这种痛苦只有从事过夜班工作的人才会理解。于是我就考虑,我应该换个工作了。
经过一阵犹豫,我在19年10月份决定辞职去寻找新的职业机会。辞职后四处撒网到处投简历,大大小小的面试也经历了几十场,偶然的机会看到了CDA,那会也清楚不能再犹豫了,必须掌握一技之长才能有好的工作。那会儿是20年4月,疫情还没结束,我就去现场考察然后报名入学,当时没有线下班,我这边软磨硬泡负责人同意我在现场教室学习(本人自制力很差,感觉在家不利于学习)。老师是直播上课,西安现场教室开始只有我一个人。入学后我就给自己下了戒令,不找到工作不打游戏不喝酒!后来现场又来了一位学员,两个人一起并肩作战,努力学习。
课程安排是excel、sql数据库、power BI数据可视化、统计学、python、机器学习,知识密集度比较大,每天都学的很充实,干货满满。每个阶段结束会有分组阶段测试,痛点永远在后面,那会听机器学习就像在听天书,感觉难的很,机器学习课程有约一个月的学习时间,主要是围绕sklearn包的几个机器学习算法,例如KNN,随机森林,神经网络之类的,深度学习也是稍微有接触,我硬着头皮学,实在一点不懂的地方回放录播视频继续钻研,感觉当时也就学到了5,6成。另外一定要跟着老师一起做项目案例,多想想实际工作场景里这些技能的应用。在后期工作中,有时间一定要继续回看录播视频复习,因为每次复习,我都有新的学习心得。整个学习过程,确实比较累比较痛苦,但是一定不要放弃,一定要坚持下来。就像那句话说的,明天的你一定会感谢今天努力学习的自己。
重点来了!!!就个人而言培训就是为了找份好工作,所以这个课程的重中之重是最后的就业指导课,一定要听就业老师仔细道来,好的简历和自信很重要,面试岗位之前一定要做功课,看看这个公司的岗位需求可能会问到的知识点,针对他的业务和知识点专门做好准备。经过十几个面试,我在20年8月最后找到了一家叫美林数据的公司,薪资给的11K,比我原先工资的2倍还要多一点,我简直高兴的不要不要!感谢3个月以来努力学习的自己,感谢那些努力练习数据分析的一个个夜晚。当然也感谢CDA。
CDA W学长 22年2月
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17